Инновационный подход к прогнозированию кардиоваскулярного риска с использованием методов машинного обучения

Аннотация:

Особенность машинного обучения — выявление в больших наборах данных нелинейных взаимосвязей, оказывающих влияние на развитие, течение и исход заболеваний. Цель исследования. Разработать инновационную модель прогностической шкалы кардиоваскулярного риска и определить диапазон значений параметров модели с применением методов машинного обучения. Основой создания модели послужил набор данных 1217 участников: у 354 (29,1% выборки) имелись сердечно-сосудистые заболевания, у 863 (70,9%) — нет. Суммарно исследовано 1915 параметров разных групп: оценка системы здравоохранения, лабораторные показатели здоровья и др. Основной подход к построению модели машинного обучения — метод градиентного бустинга, применяли фреймворк SHAP. В результате из всех групп параметров определены параметры, обладающие наибольшей значимостью, построено 9 моделей, отобрана для дальнейшего исследования модель из 28 параметров: AUC 0,72, чувствительность 0,71. C кардиоваскулярным риском ассоциированы повышенные значения доли внутреннего жира, объема талии, соотношения обьема талии/бедер, низкие значения объема форсированного выдоха за 1 с, общей продолжительности физической активности на работе и пр. Заключение. C применением методов машинного обучения определены новые неклассические показатели, влияющие на сердечно-сосудистый прогноз: инструментально-лабораторные (параметры спирометрии, биоимпедансометрии и динамометрии), образа жизни (отсутствие потребления алкоголя, физическая активность в разных видах деятельности), системы здравоохранения (получение рекомендаций и изменения образа жизни) и социально-экономического статуса (отсутствие работы и пp.). Сформирована прогностическая шкала кардиоваскулярного риска, определен диапазон значений параметров модели.

Авторы:

Издание: Профилактическая медицина
Год издания: 2025
Объем: 7с.
Дополнительная информация: 2025.-N 7.-С.36-42. Библ. 24 назв.
Просмотров: 1